Annuaire des initiatives

Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.

  • École normale supérieure Paris-Saclay
  • NumPy
  • Sat-NeRF est un modèle avancé utilisant des champs de radiance neuronaux (NeRF) pour traiter des images satellites multi-vues. Il permet de générer des modèles 3D précis de surfaces terrestres, même en présence d'objets transitoires ou de variations d'ombre. Le système combine des techniques de photogrammétrie et d'apprentissage profond pour produire des reconstructions de haute qualité, utiles pour l'analyse géographique, l'urbanisme ou la gestion des risques.
  • L1BSR est un outil d'intelligence artificielle conçu pour améliorer la résolution d'images satellites Sentinel-2 de niveau L1B. Il permet de générer des images haute résolution (5m) à partir de données basse résolution (10m) en alignant correctement les bandes spectrales. Basé sur des modèles auto-supervisés, il ne nécessite pas de données de référence haute résolution pour l'entraînement. L'outil est particulièrement utile pour l'analyse environnementale et la cartographie précise.
  • Outil open source dédié à l'ajustement de faisceaux (bundle adjustment) pour les images satellites. Il permet de raffiner les modèles de caméras RPC (Rational Polynomial Camera) à partir de correspondances de caractéristiques entre plusieurs vues. Le projet supporte les collections d'images multi-dates et multi-vues, améliorant ainsi la précision géométrique des données satellitaires pour des applications en cartographie, télédétection ou analyse spatiale.
  • MF2F est un outil de traitement d'images et de vidéos conçu pour restaurer des séquences bruitées en utilisant des méthodes avancées de flux optique et de masques de collision. Il permet de comparer des vidéos d'entrée avec des références propres pour générer des résultats optimisés, en exploitant des réseaux de neurones fine-tunés. Les méthodes proposées incluent des approches en ligne et hors ligne, avec ou sans réseau enseignant, pour améliorer la qualité visuelle des contenus multimédias.
  • PyPotree permet d'intégrer et d'afficher des nuages de points 3D dans des environnements comme Jupyter Notebook ou Google Colab. Ce projet facilite la visualisation de données géospatiales complexes, notamment pour des applications en cartographie, imagerie 3D ou analyse de données scientifiques. Il simplifie l'affichage de grands jeux de données sans nécessiter de compétences avancées en visualisation 3D.
  • Ce projet est une bibliothèque Python dédiée à l'ajustement robuste de modèles de caméras basés sur des polynômes rationnels. Il permet de calibrer des capteurs d'imagerie spatiale ou aérienne, comme les satellites SAR ou les capteurs pushbroom, en utilisant des correspondances entre points 3D (coordonnées géographiques) et 2D (coordonnées d'image). L'outil facilite l'analyse et la correction des distorsions des capteurs pour améliorer la précision des données géospatiales.
  • Projet de recherche et développement dédié à l'amélioration de la qualité des vidéos en traitant simultanément le bruit et le démosaïçage. Il utilise des réseaux de neurones récurrents pour restaurer des vidéos RAW bruitées, en s'appuyant sur des modèles de caméras réelles et des pipelines inverses pour générer des données synthétiques. Les applications visent la post-production, la restauration d'archives et l'amélioration de flux vidéo en temps réel.
  • Ce projet propose une solution logicielle pour éliminer le bruit de motif fixe (FPN) dans les images capturées par des caméras infrarouges multi-vues à capteur unique. Il permet d'améliorer la qualité des images en réduisant les artefacts indésirables, facilitant ainsi une analyse plus précise des données thermiques. Les algorithmes développés s'appuient sur des méthodes avancées de traitement d'image et d'apprentissage automatique pour restaurer les images corrompues par le bruit.
  • Projet de recherche dédié à la détection d'ombres dans les images satellites à haute résolution. Il propose des outils pour entraîner, évaluer et affiner des modèles d'intelligence artificielle spécialisés dans l'analyse des ombres portées. Le code permet de traiter des données géospatiales pour des applications en télédétection, cartographie et observation de la Terre. Les modèles générés aident à améliorer la précision des analyses environnementales et urbaines.
  • Ce projet développe des modèles d'intelligence artificielle pour améliorer la résolution des images satellites Sentinel-2. Il permet de générer des cartes haute résolution à partir de données multispectrales, en exploitant des approches auto-supervisées et des séries temporelles. Les outils développés sont utiles pour la surveillance environnementale, l'agriculture de précision ou la gestion des risques naturels.

11 initiatives